論文の概要: Explainable Fundus Image Curation and Lesion Detection in Diabetic Retinopathy
- arxiv url: http://arxiv.org/abs/2512.08986v1
- Date: Sat, 06 Dec 2025 11:36:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-11 15:14:53.249023
- Title: Explainable Fundus Image Curation and Lesion Detection in Diabetic Retinopathy
- Title（参考訳）: 糖尿病網膜症における Explainable Fundus Image Curation and Lesion Detection の検討
- Authors: Anca Mihai, Adrian Groza,
- Abstract要約: 糖尿病網膜症(DR)は長期糖尿病の患者に影響を及ぼす。早期診断がなければ、DRは視力喪失につながる可能性がある。
基礎写真は、疾患のステージを示す異常とともに網膜の構造を撮影する。
モデルは高品質な注釈付きデータセットを必要とする。
評価とAIトレーニングに高標準データのみを使用する品質管理フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diabetic Retinopathy (DR) affects individuals with long-term diabetes. Without early diagnosis, DR can lead to vision loss. Fundus photography captures the structure of the retina along with abnormalities indicative of the stage of the disease. Artificial Intelligence (AI) can support clinicians in identifying these lesions, reducing manual workload, but models require high-quality annotated datasets. Due to the complexity of retinal structures, errors in image acquisition and lesion interpretation of manual annotators can occur. We proposed a quality-control framework, ensuring only high-standard data is used for evaluation and AI training. First, an explainable feature-based classifier is used to filter inadequate images. The features are extracted both using image processing and contrastive learning. Then, the images are enhanced and put subject to annotation, using deep-learning-based assistance. Lastly, the agreement between annotators calculated using derived formulas determines the usability of the annotations.
- Abstract（参考訳）: 糖尿病網膜症(DR)は長期糖尿病の患者に影響を及ぼす。
早期診断がなければ、DRは視力喪失につながる可能性がある。
基礎写真は、疾患のステージを示す異常とともに網膜の構造を撮影する。
人工知能(AI)は、これらの病変を識別し、手作業量を減らすために臨床医を支援することができるが、モデルは高品質な注釈付きデータセットを必要とする。
網膜構造の複雑さのため、画像取得の誤差や手動アノテータの病変解釈が生じることがある。
評価とAIトレーニングに高標準データのみを使用する品質管理フレームワークを提案する。
まず、不適切な画像をフィルタリングするために、説明可能な特徴ベースの分類器を使用する。
特徴は画像処理とコントラスト学習の両方を用いて抽出される。
次に、画像は強化され、ディープラーニングベースのアシストを使用してアノテーションが適用される。
最後に、導出式を用いて計算されたアノテータ間の合意により、アノテーションのユーザビリティが決定される。
関連論文リスト
- Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - Explainable and Interpretable Diabetic Retinopathy Classification Based
on Neural-Symbolic Learning [71.76441043692984]
本稿では,ニューラルシンボリック学習に基づく説明可能な,解釈可能な糖尿病網膜症(ExplainDR)分類モデルを提案する。
本稿では,眼の健康状態に関連する糖尿病網膜症の特徴を分類し,説明可能性を実現するためのヒト可読的シンボル表現を提案する。
論文 参考訳（メタデータ） (2022-04-01T00:54:12Z) - Application of Homomorphic Encryption in Medical Imaging [60.51436886110803]
医療画像の予測にHEを用いて,不正な二次的データの使用を防止できることを示す。
結節検出に3次元胸部CT-Scansを用いた実験を行った。
論文 参考訳（メタデータ） (2021-10-12T19:57:12Z) - Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using
Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。
私たちのアプローチは既存のドメイン戦略よりも優れています。
論文 参考訳（メタデータ） (2021-07-20T09:44:07Z) - Lesion-based Contrastive Learning for Diabetic Retinopathy Grading from
Fundus Images [2.498907460918493]
糖尿病網膜症自動評価のための自己教師型フレームワーク,すなわち病変に基づくコントラスト学習を提案する。
提案フレームワークは,リニア評価と転送容量評価の両方の観点から,DRグレーディングを際立たせる。
論文 参考訳（メタデータ） (2021-07-17T16:30:30Z) - Explainable Diabetic Retinopathy Detection and Retinal Image Generation [16.140110713539023]
本稿では,医学診断における深層学習応用の解釈可能性を活用することを提案する。
糖尿病性網膜症検知器が決定に依存するニューロン活性化パターンを決定・分離することにより,病理的説明のために単離されたニューロン活性化と病変の直接的関係を示す。
ディスクリプタで符号化された症状を可視化するために,医学的に可視な網膜像を合成する新しいネットワークPatho-GANを提案する。
論文 参考訳（メタデータ） (2021-07-01T08:30:04Z) - DiaRet: A browser-based application for the grading of Diabetic
Retinopathy with Integrated Gradients [0.0]
糖尿病は、タイプ1の自己免疫β細胞破壊の欠陥に起因する代謝障害であり、タイプ2のインスリン作用に対する末梢抵抗性または、最も一般的には、両方。
長期糖尿病の患者は、しばしば糖尿病網膜症にかかり、人間の目の網膜の変化を引き起こし、極端なケースで視力の喪失につながる可能性があります。
本研究の目的は2つある: (a) 劣化した網膜眼底画像のグレードに訓練されたディープラーニングモデルを作成し、 (b) 眼底画像の重要な特徴を強調して診断手順を支援するブラウザベースのアプリケーションを作成することである。
論文 参考訳（メタデータ） (2021-03-15T16:19:56Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - Towards Unsupervised Learning for Instrument Segmentation in Robotic
Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。
当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。
提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
論文 参考訳（メタデータ） (2020-07-09T01:39:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。